Cómo el aprendizaje profundo ayuda a encontrar nuevos medicamentos contra la Covid-19

Cómo el aprendizaje profundo ayuda a encontrar nuevos medicamentos contra la Covid-19

Ante la emergencia sanitaria ocasionada por la Covid-19, la necesidad y premura por un tratamiento farmacológico eficaz es imperativo. En este tipo de situaciones, la Inteligencia Artificial (IA) en conjunto con el aprendizaje profundo, trabajan en la búsqueda de alternativas para medicamentos contra el virus SARS-CoV2.

Científicos del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) y del Instituto Tecnológico de Massachussets (MIT por sus siglas en inglés), en conjunto con la Clinica Jameel para el aprendizaje automático en el sector salud, buscan tratamientos farmacológicos contra la Covid-19.

Gracias a las diversas investigaciones a nivel mundial, se ha recopilado una cantidad de datos de suma importancia. Desafortunadamente, la rapidez con la que muta el virus Covid-19 dificulta la obtención de datos necesarios para el aprendizaje profundo eficaz.

Identificar las combinaciones de medicamentos sinérgicas adecuadas ante la rápida propagación de la Covid-19, fue la misión principal del equipo del MIT. La solución llegó gracias a un cambio de enfoque, una red neuronal con base en dos funciones.

Dado que la sinergia de fármacos a menudo se produce por la inhibición de objetivos biológicos (como proteínas o ácidos nucleicos), el modelo aprende conjuntamente la interacción fármaco-objetivo y la sinergia fármaco-fármaco.

El predictor fármaco-objetivo modela la interacción entre un fármaco y un conjunto de objetivos biológicos conocidos relacionados con la enfermedad.

En beneficio de la salud a nivel mundial, los científicos del MIT y el cambio de enfoque del aprendizaje profundo, han logrado obtener dos nuevas combinaciones de medicamentos. La primer propuesta es remdesivir (actualmente aprobado por la FDA para tratar Covid-19) y reserpina, la segunda opción es remdesivir e IQ-1S, que en ensayos biológicos demostraron ser sumamente eficaces contra la Covid-19.

“A diferencia de los enfoques anteriores que utilizan la interacción fármaco-objetivo como descriptores fijos, nuestro método aprende a predecir la interacción fármaco-objetivo a partir de estructuras moleculares. Esto es ventajoso ya que una gran proporción de compuestos tienen información incompleta sobre la interacción fármaco-objetivo” comentó Wengong Jin, principal investigador.

Haciendo uso de cócteles de medicamentos especializados es posible reducir los efectos secundarios, además de disminuir de manera importante la resistencia farmacológica. El equipo del MIT explica que resulta más difícil para un virus desarrollar dos mutaciones simultáneas y volverse resistente a dos medicamentos en una terapia combinada.

Adicional al beneficio otorgado contra el virus Covid-19, los científicos del MIT han determinado el uso del aprendizaje profundo también para su variante Delta y las posibles variantes adicionales. Para ampliar la eficacia del modelo contra estas, sólo serían necesarios los datos de sinergia de combinación de fármacos adicionales para las mutaciones relevantes.

Resulta ser tal la aplicación del sistema que, el equipo del MIT busca aplicar el enfoque contra enfermedades como el VIH y al cáncer de páncreas.

El modelo aún es joven y puede ser refinado, incorporando información adicional como la interacción proteína-proteína y las redes reguladoras de genes.

NotiPress/Ricardo Cocoletzi

admin

Soy el mero mero que le pone sabor a tus chilaquiles, el tamal de tu torta, la pasta de tu cepillo de dientes, la machaca de tu huevo, soy el gaio y cuando canto sale pura neta.
Lo que quiero decir es que soy la voz oficial de este lugar y espero lean mis palabras. Informo de todo un poco. Queremos verte diario por aquí.

Facebook Twitter 

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Categorías